dsh-multimodal：给 DeepSeek Harness 接入视觉转写、OCR 与图像生成

dsh-multimodal 是 DeepSeek Harness (DSH) 的插件，旨在解决文本对话中处理截图、报错图及设计稿需先转文字的痛点，并将生成的图片直接集成在会话中。该插件提供视觉转写、OCR 及文本生图三大核心功能，通过 OpenAI 兼容后端调用用户自配的视觉提供方和图像服务。 在视觉处理上，插件支持图片逐字转写后由 DeepSeek 继续处理，具备 LRU 缓存、多图并行、故障切换及基于成本的路由能力。OCR 支持多种输出格式及场景化预设。生图功能支持在会话内显示卡片，具备放大、下载及重试功能，并支持自定义后端接入。 插件支持接入 Zhipu、Bailian 等主流平台及本